📚 课程目录第4章控制算法核心

自动驾驶控制高级工程师高阶面试宝典 - 第4节

第4章控制算法核心：MPC模型预测控制面试专题

MPC（模型预测控制）是自动驾驶纵向与横向控制的核心算法，面试高频覆盖原理推导、约束处理、调参策略、数值求解四大板块。本章通过3个问答卡片+1个真实项目模板，帮你在面试中系统展现“模型-约束-优化-落地”闭环能力。

💡 面试官期待你从“为什么用 MPC”→“如何建模”→“如何求解”→“如何调优”自顶向下阐述，并能在白板上推导基础代价函数。

面试问题	请简述模型预测控制（MPC）的基本原理，并说明其三大核心要素。
考察点	是否理解预测模型、滚动优化、反馈校正三者关系；能否用简洁语言讲清“前瞻性控制”本质。
回答框架	① 预测模型：基于车辆运动学/动力学模型预测未来Np步状态 → ② 滚动优化：在每个采样时刻求解有限时域最优控制问题，仅执行第一步 → ③ 反馈校正：下一时刻用真实状态更新预测起点，实现闭环鲁棒性。
示例回答	MPC 核心是“用模型预测未来，滚动求解最优，反馈修正误差”。三大要素：预测模型（如自行车模型），滚动优化（每个周期解 QP，仅执行第一控制量），反馈校正（用当前实测状态重初始化预测）。
可能追问	MPC 与 LQR 的根本区别是什么？预测时域 Np 较大会带来什么问题？如何处理模型失配（如轮胎非线性）？
避坑提醒	❌ 不要把 MPC 简单说成“PID 的升级版”；✅ 强调“约束处理”和“前瞻性”是 MPC 相比 LQR 的核心优势。

面试问题	MPC 中如何处理各种约束？硬约束和软约束分别适用于哪些场景？
考察点	是否理解约束可行性问题；能否区分硬/软约束适用边界；是否了解松弛变量技巧。
回答框架	① 约束类型：状态约束（如横向偏差≤0.3m）、控制约束（加速度±3m/s²）、输出约束（速度≤限速）→ ② 硬约束：物理限制（如执行器行程），不可违背 → ③ 软约束：优先满足但允许轻微超出（如舒适性边界），引入松弛变量和惩罚权重 → ④ 工程实践：先软后硬，防止优化无解。
示例回答	硬约束用于执行器限幅、安全边界（如方向盘转角±40°），必须满足；软约束用于平顺性指标（如加速度变化率≤2m/s³），引入 ε≥0 和惩罚项，使优化始终有解。实际中通常对部分状态先设软约束，避免因模型误差导致无解。
可能追问	如何选择软约束惩罚权重？如果硬约束导致无解，工程上怎么处理？是否可以用约束收缩（tightening）增强鲁棒性？
避坑提醒	❌ 不要只说“用库函数加约束”；✅ 主动提松弛变量和可行域判定，体现对数值求解的理解。

面试问题	MPC 中预测时域 Np、控制时域 Nc 以及代价权重 Q/R 如何调参？有什么经验性规律？
考察点	是否理解各参数对性能与实时性的 trade-off；是否有实际调参经验；能否量化说明。
回答框架	① Np（预测时域）：控制“前瞻多远”——Np越大越平滑但计算量增大，通常取1~3秒的步数 → ② Nc（控制时域）：控制“自由度”——Nc增大使优化更灵活但抖动风险上升，一般Nc≤Np的1/3 → ③ Q/R权重：Q大→跟踪误差小但控制剧烈；R大→动作平顺但响应慢；先调Q再微调R → ④ 实践：通过仿真扫描+实车微调，或使用贝叶斯优化。
示例回答	通常设采样周期 Ts=0.1s，Np=20（对应2秒），Nc=5~8。Q 先让稳态误差达标，再提高 R 抑制抖动。例如纵向控制中，位置误差权重设为5，加速度权重设为0.1，起步超调可控。
可能追问	Np 太大是否一定会导致控制效果变差？自适应调参（如 gain scheduling）怎么做？工程上如何评估 Q/R 的合理性？
避坑提醒	❌ 不要只背公式不说具体数值范围；✅ 给出可落地的调参顺序（先 Np 再权重），展示工程直觉。

项目名称	高速场景 ACC MPC 控制器设计与实车部署
业务背景	车厂 L2+ 功能要求：前车巡航、跟停、起步，需兼顾安全性（避撞）与舒适性（加加速度≤2m/s³）。
规模指标	车速 0~120km/h；跟车距离误差 < 1m；加速度误差 < 0.5m/s²；加加速度 < 2m/s³；50ms 控制周期。
技术栈	C++17、OSQP 求解器、ROS2 / CyberRT、Carla 仿真 + 实车 dSPACE
核心难点	硬约束下无解问题：紧急工况下加速度限幅导致无可行解延时补偿：传感器到执行器延时约 40ms 多目标权衡：跟车精度 vs 舒适性 vs 能耗
面试高频追问	如何处理加速度约束的可行性问题？（答：引入软约束 + 松弛变量，同时用约束放松策略）如何保证 50ms 周期内完成求解？（答：C++ 实现，OSQP 热启动，限制 Np=15，Nc=5）延时补偿怎么做的？（答：Smith 预估器或状态预测器补偿延时）为什么不用 PID 而选 MPC？（答：预测能力更好约束处理，前车急刹场景 MPC 更安全）
可迁移回答话术	“在该 ACC 项目中，我主要负责 MPC 控制器设计与调优。通过将加速度和加加速度设为软约束并增加松弛因子，解决了紧急工况下的无解问题；同时利用热启动和剪枝策略将求解耗时压到 8ms，满足 50ms 周期要求。这个经验让我可以快速迁移到横向 LKA 或路径跟踪控制中。”

📌 面试中提及项目时，务必用 STAR 逻辑（Situation, Task, Action, Result）展开，重点突出“你做了什么”以及“量化结果”。

⚠️ 不要低估实时性（求解时间）问题——面试官尤其关注你是否考虑过工程落地的性能瓶颈。